Digital Image Processing and Machine Learning Techniques for the Detection of Architectural Distortion in Prior Mammograms
Notice bibliographique
Résumé
Architectural distortion is a subtle but important early sign of breast cancer. The purpose of this study is to develop methods for the detection of sites of architectural distortion in prior mammograms of interval-cancer cases. Screening mammograms obtained prior to the detection of cancer could contain subtle signs of early stages of breast cancer, in particular architectural distortion. The methods for the detection of architectural distortion are based upon Gabor filters, phase portrait analysis, a novel method for the analysis of the angular spread of power, fractal analysis via Fractal Dimension (FD), structural analysis of texture via Laws’ texture energy measures derived from geometrically transformed regions of interest (ROIs), and statistical analysis of texture using Haralick’s 14 texture features. The application of Gabor filters and linear phase portrait modeling was used to detect initial candidates of sites of architectural distortion; 4,224 ROIs, including 301 true-positive ROIs related to architectural distortion, were automatically obtained from 106 prior mammograms of 56 interval-cancer cases and from 52 mammograms of 13 normal cases. For each ROI, the FD, three measures of angular spread of power, 10 Laws’ measures, and 14 Haralick’s features were computed. The areas under the receiver operating characteristic curves obtained using the features selected by stepwise logistic regression and the leave-one-ROI-out method are 0.76 with the Bayesian classifier, 0.75 with Fisher linear discriminate analysis, and 0.78 with a single-layer feed forward neural network. Free-response receiver operating characteristics indicated sensitivities of 0.80 and 0.90 at 5.8 and 8.1 false positives per image, respectively, with the Bayesian classifier and the leave-one-image-out method. The methods have shown good potential in detecting architectural distortion in mammograms of interval-cancer cases.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».